論文の概要: Mask-based Predictive Representations for Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.04153v1
• Date: Sun, 05 Jul 2026 07:42:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.841814
• Title: Mask-based Predictive Representations for Reinforcement Learning
• Title（参考訳）: マスクを用いた強化学習のための予測表現
• Authors: Kai Zhao,
• Abstract要約: 視覚に基づく深層強化学習は、画像情報の高次元入力を扱う。 高次元画像入力とサンプル効率強化学習のための限られたサンプルから有効状態を抽象化することが重要である。 本稿では,強化学習の補助課題として,マスク予測に基づく自己教師型タスクを提案する。
• 参考スコア（独自算出の注目度）: 4.910415354181461
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vision-based deep reinforcement learning involves dealing with high-dimensional inputs of image information. It is crucial to abstract effective states from high-dimensional image inputs and limited samples for sample-efficient reinforcement learning. To address this challenge, inspired by fields such as natural language processing and computer vision, we propose a self-supervised task based on mask prediction as an auxiliary task for reinforcement learning. This non-reconstruction method uses the sequence information collected by the agent from the environment and the context information in the sequence to predict the masked information, thereby strengthening the agent's understanding of the task and learning effective representations. Combined with transformers, we find that the model reconstructs the masked input sequence in the latent space. By feeding the compressed representations learned by this method into reinforcement learning models, we observe an improvement in the sample efficiency of reinforcement learning. Moreover, the model outperforms state-of-the-art sample-efficient reinforcement learning methods on multiple continuous and discrete control benchmarks.
• Abstract（参考訳）: 視覚に基づく深層強化学習は、画像情報の高次元入力を扱う。 高次元画像入力とサンプル効率強化学習のための限られたサンプルから有効状態を抽象化することが重要である。 自然言語処理やコンピュータビジョンなどの分野に触発されたこの課題に対処するため,強化学習の補助課題としてマスク予測に基づく自己教師型タスクを提案する。 本発明の非再構成方法は、エージェントが環境から収集したシーケンス情報と、そのシーケンス内のコンテキスト情報とを用いて、マスク情報を予測することにより、エージェントのタスク理解を強化し、効果的な表現を学習する。 変換器と組み合わせることで、モデルが潜時空間のマスク入力シーケンスを再構成することがわかった。 本手法で学習した圧縮表現を強化学習モデルに供給することにより,強化学習のサンプル効率の改善を観察する。 さらに、このモデルは、複数の連続的および離散的な制御ベンチマークにおいて、最先端のサンプル効率向上学習法より優れている。

関連論文リスト

• Foundations and Models in Modern Computer Vision: Key Building Blocks in Landmark Architectures [34.542592986038265]
  本報告では,コンピュータビジョンにおけるキーデザインパターンの進化を,影響力のある6つの論文から分析する。 本稿では,残差接続を導入したResNetについて概説する。 画像パッチのシーケンスにトランスフォーマーアーキテクチャを適用し,新たなパラダイムを確立したビジョントランスフォーマー(ViT)について検討する。
  論文  参考訳（メタデータ） (2025-07-31T09:08:11Z)
• Evolved Hierarchical Masking for Self-Supervised Learning [49.77271430882176]
  既存のマスケ画像モデリング手法では、固定マスクパターンを適用して自己指導型トレーニングを指導する。 本稿では,自己教師型学習における一般的な視覚的手がかりモデリングを追求する階層型マスキング手法を提案する。
  論文  参考訳（メタデータ） (2025-04-12T09:40:14Z)
• Attention-Guided Masked Autoencoders For Learning Image Representations [16.257915216763692]
  Masked Autoencoders (MAE) はコンピュータビジョンタスクの教師なし事前訓練のための強力な方法として確立されている。 本稿では,注意誘導損失関数を用いて再建過程を通知する。 評価の結果,事前学習したモデルでは,バニラMAEよりも遅延表現が優れていることがわかった。
  論文  参考訳（メタデータ） (2024-02-23T08:11:25Z)
• Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
  我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。 マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
  論文  参考訳（メタデータ） (2023-09-22T09:58:38Z)
• Sequential Action-Induced Invariant Representation for Reinforcement Learning [1.2046159151610263]
  視覚的障害を伴う高次元観察からタスク関連状態表現を正確に学習する方法は、視覚的強化学習において難しい問題である。 本稿では,逐次動作の制御信号に従うコンポーネントのみを保持するために,補助学習者によってエンコーダを最適化した逐次行動誘発不変表現(SAR)法を提案する。
  論文  参考訳（メタデータ） (2023-09-22T05:31:55Z)
• MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
  自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。 所望のプロパティを統一する単段および単段のMOCAを提案する。 我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-07-18T15:46:20Z)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• Mask-based Latent Reconstruction for Reinforcement Learning [58.43247393611453]
  マスクをベースとした遅延再構成(MLR)は,空間的および時間的マスキング画素を用いた観測から潜在空間の完全な状態表現を予測するために提案される。 広汎な実験により,MLRは深部強化学習における試料効率を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2022-01-28T13:07:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。